在现代工业过程中,随着DCS、数据采集和存储技术的广泛应用,大量的操作数据中隐含了大量的操作信息,这些信息若得到合理利用,可以辅导并指导生产。目前,数据挖掘技术正在从经济、教育行业、生物学等应用领域转移到了工业生产范畴。工业过程数据一般具有连续型和目标聚集性特征,为了有效地对此数据进行关联规则挖掘,论文提出了一种基于K-MEANS聚类的APRIORI关联规则方法,并将其应用于工业过程操作规则的挖掘,论文的主要内容包括:(1)在对K-MEANS和APRIORI算法的原理和性能的分析和研究基础上,根据工业过程操作数据的特点,给出了一种基于K-MEANS聚类的APRIORI关联规则方法。(2)采用基于K-MEANS聚类的APRIORI关联规则算法对工业过程的操纵变量和目标变量数据进行处理,获取聚类中心和类标签,根据聚类将数据进行分段,并将连续数据布尔化,通过关联规则算法挖掘操作变量与目标变量之间的关联关系,最后将字符型的关联关系转换为数值区间表达形式,获得规则数目和质量可控的、便于理解的操作规则,以指导生产过程操作。(3)将所提出的组合关联规则方法应用到TE过程中,挖掘出了 TE过程中反应器的操作变量与状态目标变量之间的操作规则,结合工艺分析,验证了该算法的有效性。